Michael Eder – KI-basierte Sprachassistenzsysteme und Gründer von KENBUN

- Dr. Theo SteiningerCo-Founder & CEO at Erium
- Michael EderCEO and Co-Founder of KENBUN IT AG
Overview
In this episode of The Erium Podcast, host Dr. Theo Steininger speaks with Michael Eder, CEO and co-founder of KENBUN IT AG, about AI-based voice assistance systems in the B2B space. The two discuss concrete use cases such as an inspection assistant and a clinical documentation system, explore the technical challenges of training domain-specific language models, and share insights into the day-to-day project work of a specialized AI company.
About the guest
Michael Eder is CEO and co-founder of KENBUN IT AG, which he founded in 2018 together with two partners. After studying computer science at TU Munich, he spent many years as head of software development for large and mid-sized companies, including in the financial sector (Sparkassenwelt) and in healthcare insurance software (midant). As a principal consultant for senior management as well as a Scrum Master and Product Owner, he has successfully completed numerous IT projects with a focus on digitalization. At KENBUN, he is today responsible for strategy, sales, and corporate management, while also acting as the link between customer needs and product development.
Summary
KENBUN IT AG: Focus on Domain-Specific Speech Recognition
After a broader founding phase, KENBUN IT AG has deliberately specialized in AI-based voice assistance systems for the B2B sector. Its core product is a toolbox called 'Qidue', which contains all the essential components needed to equip processes, apps, and systems with natural language capabilities. A key USP of the company is that all models are developed and trained entirely in-house - without any dependency on cloud platforms such as AWS or Azure. This makes it possible to train models very precisely on a customer's specific domain and vocabulary, something that is simply not possible with standard models.
Real-World Example: The Inspection Assistant
As its most important reference project, Michael Eder describes an inspection assistant developed for an international corporation. Employees previously had to carry out highly structured fault recording from an error tree with around 70,000 nodes on a smartphone - a cumbersome task with oil- or dirt-covered hands. The new system allows faults, parameters, and severity levels to be entered by free speech, which are then transferred directly into the backend system. Particular attention was paid to dialect tolerance: the system was trained for German and French and tested in numerous regions of both countries. Where recognition rates dropped due to strong dialects, targeted retraining sessions provided the remedy.
Voice Documentation in the Clinical Environment
Another promising field of application is medical documentation. KENBUN works with a company whose AI-supported hospital bed tablet displays and prioritizes vital parameters. KENBUN provides the voice interface: doctors and nursing staff can document treatment steps by voice and query the system by voice for vital signs or trends. Standard models fail here due to the large number of medical technical terms and medication names - and that is precisely what KENBUN trains domain-specifically. Michael Eder sees medical documentation in general as one of the greatest areas of future potential for voice systems.
Training Data: Sourcing, Quality, and Iterative Improvement
KENBUN's data strategy is two-tiered: for the base model, publicly available transcribed audio sources are used - such as open-source audiobooks or commercial datasets - and these are extensively cleaned, since faulty training data directly leads to weaker models. For domain-specific fine-tuning, KENBUN has developed its own tool with which customers and their employees can record specific sentences. The data collected in this way is multiplied using classical and ML-based augmentation methods. Background noise is also deliberately incorporated into training to achieve robustness in loud industrial environments. The training itself runs internally on a dedicated GPU server and, where needed, on cloud resources.
Model Lifecycle and Automated Feedback Loops
A central design principle at KENBUN is continuous quality assurance after go-live. Ideally, automated feedback loops are built in: users can flag unrecognized utterances, and KPIs continuously measure recognition rates. Where data protection regulations and co-determination rights permit, incorrectly recognized speech attempts can be used directly as retraining data - but this requires transparency toward employees and the involvement of the works council. MLOps practices ensure automation and reproducibility in model training internally, while only the finished, binary inference model is deployed on the customer side.
When Does Voice Control Make Sense - and When Does It Not?
Michael Eder draws an illuminating analogy: just as graphical user interfaces did not completely replace text terminals but rather came to dominate where they made sense, voice as an interface will become the norm wherever inputs are clear and structured. The more unambiguous the command or query, the better a voice system performs. Complex, exploratory, or highly variable tasks - such as composing arbitrary emails - are currently more challenging, because without domain training the error rate remains too high. Specialized systems, such as those for legal dictation, are already very mature, however.
Practical Advice: Industry Experience Before Founding
When asked for advice he would give his twenty-year-old self, Michael Eder emphasizes the importance of gaining practical experience in industry before starting a company. Those who already know corporate structures, production processes, and decision-making pathways from the inside can act much faster in project business and develop more relevant solutions. He also cites leadership experience as an important foundation. In general, he recommends an agile, experimentally minded attitude: try things out, reflect in hindsight, and adjust as needed.
Key takeaways
- Domain-specific training is the decisive differentiator: generic language models fail when confronted with specialized vocabulary from industry or medicine - only targeted training on the customer's vocabulary makes systems truly usable.
- KENBUN develops all model components entirely in-house in order to maintain maximum control over training and quality.
- Automated feedback loops must be considered during system design so that models do not become outdated after go-live.
- Voice control delivers its greatest added value where employees need both hands free and must provide clear, structured inputs.
- Data protection and co-determination are not secondary concerns - they must be clarified early in the project with all stakeholders.
- Background noise and dialect diversity are trainable parameters - ignoring them risks poor recognition rates in real-world deployment.
- Industry experience before founding is an underestimated advantage: it provides genuine problem knowledge and accelerates the path to product-market fit.
Conclusion
This episode demonstrates impressively that AI-based voice assistance in the B2B environment is no longer a topic for the future but already delivers measurable efficiency gains today - provided that models are consistently trained on the relevant domain, feedback loops are planned from the outset, and non-technical framework conditions such as data protection and co-determination are proactively addressed. KENBUN's approach of developing fully proprietary models and refining them iteratively with customer data delivers a clear USP compared to generic platform solutions.
For Companies and Decision-Makers
Voice assistance systems are particularly worthwhile wherever employees need to capture structured data under difficult conditions. What is crucial is planning for data protection, works council involvement, and feedback mechanisms early on - not only after the rollout.
For Data Scientists and ML Engineers
Domain-specific fine-tuning, data augmentation with background noise, and iterative retraining pipelines are the central levers for high-quality speech recognition systems in practice - fundamental research is not required, but systematic scouting of relevant papers and open-source developments is.
For Founders
Industry experience before founding is not a luxury but a strategic advantage: those who know real problems from their own working lives find it easier to achieve a viable product-market fit.
Show full transcript
Speaker0: Ihr hört die Ihrem Podcast, der Data Science- und Machine Learning Podcast für Studienabsolventen und Young Professionals.
Speaker1: Heute zu Gast bei The Erium Podcast ist Michael Eder. Er ist CEO und Mitgründer der Ken Boon IT AG. Nach seinem Informatikstudium an der TU München war Michael Eder lange Zeit als Leiter der Softwareentwicklung für große und mittelständische Unternehmen tätig, unter anderem für die Finanzbranche Sparkassenwelt oder für midant, dem Softwarehaus für Lösungen für Krankenversicherungen. Als principle Consultant für das Senior Management sowie als Scrum Master und Product Owner hat er viele IT Projekte erfolgreich abgeschlossen. Schwerpunktmäßig in den Bereichen Digitalisierung, Und wenn Und wenn es die Zeit zulässt, verbringt er seinen Urlaub gerne auf einem Segelboot.
Speaker2: Herzlich willkommen zu 1 neuen Folge von die Eriam Podcast. Mein Name ist Theo Steininger und heute zu Gast Michael Eder. Michael, schön, dass Du da bist. Hallo, grüß euch. Freut mich sehr, dass wir heute ins Gespräch kommen. Wir haben's grade in der Vita schon gehört, dass sehr viel Erfahrung und zwar auch in den verschiedensten Bereichen. Wir wollen uns heute zum Thema KI austauschen und wie ihr, wie Du in der Vergangenheit Projekte realisiert habt, was dabei wichtig war, wirklich einen Projekt Erfolg auch zu gewährleisten. Bevor wir da genauer einsteigen, wie immer die Rückfrage, gibt's was, das Du noch zur Vita hinzufügen möchtest, was dir gefehlt hat?
Speaker3: Gibt's da etwas zu ergänzen? Nein, danke. Das war sehr schön formuliert alles.
Speaker2: Alright, wunderbar. Dann lass uns gleich in medias res gehen. Mich interessiert kurz für die Zuhörer, es ist jetzt 10 nach 2 an einem mittlerweile wieder schönen sonnigen Tag. Wobei hab ich dich unterbrochen? Woran
Speaker3: hattest Du gerade gearbeitet? Oh, bei 1 ganz furchtbar langweiligen Aufgabe. Ich bin gerade dabei, einen Vertrag für den Anwalt vorzubereiten. Das heißt, Du hast mich da aus was furchtbar Langweiligen rausholen können.
Speaker2: Okay, aber das ist superspannend, weil's schon ein bissel verraten lässt, dass deine Arbeit offensichtlich deutlich diverser ist als die von so manch anderem Gast, den wir schon hier im Podcast hatten. Was gehört da alles mit dazu, ja? Also wenn Du sagst, Rechtstexte, Reviewen, vorbereiten.
Speaker3: Na, wir sind ja 3 Gründer in der Kenbun IT AG. Wir sind ja 20 18 haben wir uns gegründet und 2 meiner Mitgründer, die stecken zu 100 Prozent in Kundenprojekten, dass es im Grunde ganz stark an mir ist, die ganzen, ja, ich sag in Anführungszeichen langweiligen Themenstellungen organisatorischer Art wie Vertrieb, Personal, sonstiges Management zu erledigen. Und da gehört eben auch dazu, ja, Verträge vorzubereiten, dass der Anwalt die dann letztlich finalisieren kann.
Speaker2: Okay, inwiefern hast Du dann Überschneidungen mit dem Projektgeschäft,
Speaker3: wo Na ja, ganz viel natürlich. Ganz viel natürlich, weil ich natürlich, na, ich hatte ja Vertrieb erwähnt, ne, da geht's natürlich genau drum, unsere Produkte letztlich den Kunden zu erklären und den Nutzen beim Kunden darzustellen oder auch zu erarbeiten, was Kunden für Produkte brauchen, was die Bedarfe sind. Und das ist natürlich was, was ich dann sehr stark wieder in die Entwicklung reintrage.
Speaker2: Wo wir schon genau bei dem Thema wären, magst Du noch mal ganz kurz erklären, was sozusagen der Leistungsumfang der Kenboen IT
Speaker3: Firma ist, ja? Das ist gar nicht so leicht zu erklären. Also vom Grundsatz her haben wir unseren Fokus mal relativ weit gespannt und haben gesagt, wir wollen Unternehmen unterstützen, künstliche Intelligenz einzuführen, also Machine Learning fast äquivalent, obwohl das natürlich nicht ganz richtig ist. Wir haben dann aber relativ schnell den Schwerpunkt auf Sprache gesetzt, also alle Technologien, die man braucht, irgendwelche Anwendungen, Prozesse, Apps, Systeme mit Sprache sozusagen ausstatten zu können, dass also im Grunde ein Mitarbeiter, ein Kunde, ein ja, wer auch immer mit einem System sprechen kann oder auch in Sprache mit von dem System Antworten bekommen kann. Das ist im Grunde jetzt unser unser Schwerpunktprodukt und dafür haben wir einen Werkzeugkasten, das wir vom Wir nennen das immer eine Toolbox genannt, die heißt Qidue. Die enthält so die wesentlichen Kernkomponenten, die man braucht, so was zu tun. Und in erster Linie machen wir das Stand heute individuell für Kunden, das heißt, wir gehen hin, 'n Kunde hat irgend 'n Bedarf eben zum Beispiel einen bestimmten Prozess so zu erweitern, dass er mit Sprache nutzbar ist. Und dann machen wir 'n Einführungsprojekt mit denen und bauen dort letztlich, integrieren dort die Komponenten, die das können von uns in dieses System. Vielleicht ganz wichtig an der Vielleicht ganz wichtig an der Stelle, wir bauen diese Komponenten alle selber. Mhm. Mhm. Das heißt, wir basieren an keiner Stelle irgendwie auf 1 Cloud Plattform, was auch immer, was natürlich für uns den ganz, ganz großen Vorteil hat und das ist letztlich auch unser wesentlicher USP, dass wir diese Modelle eben komplett in unserer Hand haben und sehr, sehr speziell auf die Kundendomäne trainieren können. Kannst Du dir das vorstellen? Bei bei Sprache, wenn Du irgendein in der Domäne bist, in der Industrie, da kommt da 'n Wortschatz vor, den versteht natürlich ein 1 Standard Sprachmodell überhaupt nicht. Und wenn man in der Lage ist, diesen speziellen Wortschatz zu trainieren, dann kann man dort eben, erst dann kann man dort im Grunde 'n System mit Sprache ordentlich ausstatten.
Speaker2: Okay, sehr cool. Dann müssen wir unbedingt jetzt dann gleich noch tiefer einsteigen, wie ihr das macht und wie euer Vorgehen dabei ist. Noch mal kurz zu deiner Rolle. Das heißt, Du bist im Vertriebsprozess mit drin und die Schnittstelle, wenn ich's richtig verstanden hab, hin eben zu deinen Technologiekollegen beziehungsweise den Mitarbeitern, die dann konkret beispielsweise die Produktentwicklung
Speaker3: und auch das Projekt umsetzen. Richtig? Ja, genau, auf 2 Ebenen im Grunde, ne. Ich bin ja mit meinen beiden mit, also ich mit einem der Mitgründer bin ich zusammen Vorstand und wir 3 Mitgründer, wir bauen natürlich die Strategie des Unternehmens. Das heißt, wir überlegen uns halt, in welche Richtung glauben wir, entstehen Märkte? Kann man Produkte gut verkaufen? Das ist, glaub ich, sage ich mal, die 1. Ebene, wo man eben festlegt, wo geht's wirklich, ich sag mal, auf 'ner strategischen Ebene hin und dann eben in der in der Ausführung geht's eben dann tatsächlich mit dem Feedback, was ich von Kunden bekomme, was ich von Interessenten bekomme, dann tatsächlich konkret in die Entwicklung, dass man dann eben, ich sag mal, das Feintuning in die Richtung macht, was sind denn wirklich die genauen Requirements, die wir die wir erfüllen wollen?
Speaker2: Alright. Und wenn Du zurückblickst, Du hast ja auch viel Erfahrung gesammelt. Wir haben's im Intro gehört, ja, als Scrum Master, Product Owner, was ja generell mit IT Projekten zu tun hat, auch Projektmanagement zu tun hat. Was war der ausschlaggebende Punkt für dich, dass Du gesagt hast, okay, ich fokussier mich jetzt auf ein Gebiet erstens im Bereich KI, Machine Learning und dabei dann noch mal auf das Thema der der Spracherkennung auditive Verarbeitung. Gab's da son Schlüsselmoment vielleicht oder ist das etwas, das dich länger begleitet und bewegt?
Speaker3: Schlüsselmoment ist jetzt vielleicht 'n bisschen viel gesagt, aber ich war ja die letzten Jahre, das habt ihr in der Intro auch gehört, sehr viel im in der Beratung tätig und da war ich grade mit 2 mit meinen beiden Partnern viel unterwegs und da ging's eben sehr, sehr viel Big Data Systeme, aber auf Basis von diesen Big Data Systemen auch sehr, sehr viel künstliche Intelligenz. Und da haben wir einfach gesagt, wir wollen da einen eigenen Schwerpunkt setzen und da bestimmte Sachen anders machen und da kommt ja der Schwerpunkt künstliche Intelligenz. Ja, die Sprache, das hat sich eigentlich erst als der große Schwerpunkt nach der Gründung herauskristallisiert, möchte ich sagen. Also wir machen ja auch andere Sachen. Okay. Wir machen in kleineren Bereichen auch Industrielösungen, streifen, also Themen wie Predictive Maintenance natürlich bringen wir in solche Projekte auch unsere Erfahrung mit Big Data ein. Aber wir haben dann sehr schnell gesehen, da ja, dass im Grunde grade im Bereich Sprache, grade im b-two-b-Bereich gar nicht so viel da ist. Man sieht ja den riesigen Erfolg im B2C jetzt, ne, wenn Du Siri und Alexa und wie sie alle heißen, kennst, dringt eigentlich in jeden Lebensbereich ein, aber im B2B Bereich eigentlich doch nicht so sehr. Und da war unsere Überlegung und wir sehen die durchaus auch gerechtfertigt, dass man da sehr viel machen kann, dass da eine sehr große Nachfrage besteht. Aber Schlüsselerlebnis würde ich jetzt mich nicht direkt erinnern können.
Speaker2: Okay. Das ist interessant, dass sich der Schwerpunkt auf Sprache erst nach der Gründung Ja. Wirklich herauskristallisiert war dann, ich versuch grad noch mal herein zu reinzuspüren, was war dann der der der das das Gründungsmomentum sozusagen? War es eine Unzufriedenheit, vielleicht auch mit Baukastensystemen, wie man sie bei AWS oder bei Azure vorfindet, dass es eben nicht custom genug ist, so wie Du's vorhin dargestellt hast mit, okay, wenn ich 'n generisches Sprachmodell benutze, dann passt's halt einfach nicht auf die Kundenanforderung,
Speaker3: nur halt Ja. Angewendet auf die verschiedenen Modelle. Also das ist tatsächlich völlig richtig, was Du sagst, aber das war eigentlich kein Beweggrund für uns, weil wir in der Beratung in der Industrie eigentlich sehr, sehr wenig mit mit diesen standardisierten Modellen überhaupt in Berührung gekommen sind. Das heißt, die Modelle Ah, okay. Die dort entwickelt worden sind, sind eigentlich immer sehr speziell gewesen, weil tatsächlich in Wirklichkeit sind's meistens, ja sind die Probleme so speziell, dass Du die wenigsten Sachen mit was von der Stange lösen kannst. Und in der Sprache, da da siehst Du jetzt halt speziell im B2C Bereich die, ich sag in Anführungszeichen, von der Stange Lösungen, aber das ist was, was wir vorher gar nicht so sehr so sehr gesehen hatten. Nee, es ging uns tatsächlich darum, dass wir einfach gesehen haben, wie viel mehr man mit künstlicher Intelligenz in so vielen Bereichen machen kann und deswegen einfach die Überlegung künstliche Intelligenz und wie gesagt, dann erst etwas später der Fokus auf Sprache. Weißt Du, son bisschen kommt so was auch immer aus aus Kundenprojekten natürlich, ne? Du bist in verschiedenen Projekten und Du siehst dann halt Feedback aus verschiedenen Bereichen und das war grade in der Sprache immer besonders gut.
Speaker2: Mhm. Ah, interessant. Da hab ich noch ganz viele Fragen zu zu zu 'nem technischen Kern. Lass uns aber zunächst noch mal über die Projekte sprechen. Also 1, was ich im Bereich Sprache aus der Industrie auch mal gesehen hab, das war im Bereich Qualitätskontrolle im Lackierbereich. Und zwar sah das so aus, die Mitarbeiterinnen, meistens weiblich, weil die das bessere Auge haben, hab ich mir sagen lassen, haben beide Hände voll mit einem lackierten Teil. Ja. Ja? Und damit die sich voll auf die visuelle Inspektion konzentrieren können mit 'ner entsprechenden Beleuchtung, mit Streifenlicht, dass ich wirklich jeden Fehler vielleicht in der Beschichtung ausstehe, hatten die Headsets auf und haben die eben eventuell gefundenen Defekte dann per Sprache dokumentiert. Wär das jetzt son Use Case, wo Du sagst, ja genau, da würdet ihr auch reingehen, weil was ich so da auch damals gelernt habe, ist, dass die die die Mitarbeiter 'n bissel frustriert sind, weil das System zu zu dumm ist sozusagen, ja? Okay. Also die die sprechen das einfach nur rein, Mhm. Aber die die die die müssen dann doch wieder teilweise auf einen manuellen Interaktionsprozess
Speaker3: gehen, weil sie halt nicht mit dem System interagieren können. Ja, lustig. Also das klingt jetzt fast abgesprochen, aber 1 unserer interessantesten Projekte ist tatsächlich 'n Inspektionsassistent, den wir gebaut haben. Und der Hintergrund ist im Grunde Okay. Ist tatsächlich ein ganz ähnlicher. Es ist zwar nicht in der Lackiererei, sondern einfach am Ende von Prozessen müssen müssen einfach verschiedene Sachen inspiziert werden und relativ strukturiert Fehler in dem Fall, den wir hatten. Also ich weiß nicht, wie strukturiert das bei 'ner Lackiererei ist. Ob man da nur sagen muss, ist in Ordnung oder nicht in Ordnung. In unserem Fall war das eine sehr ist das eine sehr strukturierte Erfassung von Fehlern. Sehr, sehr viele mögliche Fehlerarten, son Fehlerbaum, den es da gibt, der ist, glaube ich, 70000 Knoten groß und man muss relativ viele Zahlenkolonnen auch eingeben, wenn man irgendwelche Teile identifizieren muss, mit denen irgendwas los ist. Und zwischendurch aber auch Freitext, wenn man halt wirklich was genauer beschreiben möchte. Und diese diese speziellen Begriffe, die sind halt in der deutschen Sprache nur nur bedingt vorhanden, ne. Und letztlich, das Problem ist genau ein Ähnliches, was Du grade jetzt bei dem Lackierer beschrieben hast. Die sind Stand Also sie bisher, sieht man das? Ja, gut, ist einfach 'n Telefon, sind mit ihrem Smartphone angekommen und mussten mit 'ner Smartphone App diese einen dieser 60000 Mängel sozusagen erfassen und gegebenenfalls dazu eben noch Zahlen eintippen und Texte erfassen. Das ist einfach was, was ziemlich lästiges, insbesondere, wenn man 'n bisschen Öl verschmierte Hände vielleicht hat. Die Notwendigkeit bei uns war jetzt weniger, dass Sie was festhalten mussten und deshalb keine Hand frei haben, aber Hands freee ist auf jeden Fall eine wichtige Anforderung gewesen. Und es ist es geht ein Vielfaches schneller und einfacher und und mit weniger Fehlern behaftet, wenn Du eben deine Mängel ein einsprechen kannst. Und das System gibt dir dann sofort Feedback, ob's den den den Mangel verstanden hat. Im Allgemeinen versteht's den sehr, sehr gut Und dann kann er mit dem nächsten Fehler weitermachen.
Speaker2: Okay, das heißt, da findet nicht nur eine Aufnahme statt, die hinterher irgendwie Nein, nein. Mal ausgewertet wird, sondern wirklich in Realtime Absolut. Im System. Okay, es ist in dem in dem, wie hast Du's genannt,
Speaker3: Fehlerbaum oder? Genau, genau. Und Fehlerbaum nennt sich das. Dieses Genau dieser Punkt. Genau. Und son Fehlerbaumknoten, der hat dann auch noch verschiedene Parameter. Oft hat eben so ein 1 Fehler, der kann in in bestimmten Schweren auftreten oder der kann an bestimmten Positionen auftreten, weil's den gleichen Mangel an eben an mehreren Ecken geben kann. Diese Parameter werden auch eingesprochen. Das ist natürlich ganz wichtig. Es geht überhaupt nicht drum, das Audio nur aufzunehmen, sondern es geht tatsächlich drum, ja, möglichst abschließend halt, als ob er's in die App eben eingetippt hätte, den Fehler direkt in dem Back End System zu dokumentieren.
Speaker1: Mhm.
Speaker2: Cool. Und wie weit geht dir da Richtung auch semantischem Verständnis dessen, was gesprochen wird, so wie Du das dargestellt hast. Ich ich stell mir das jetzt relativ naiv erst mal so vor, es gibt diesen Fehlerbaum. Es gibt den auch Entscheidungsbaum, wie wenn ich durch eine Maske durchgehen würde und mich eben klicken würde, ja? Ja? Und als Eingabe Layer setzen wir sozusagen jetzt diese Spracheingabe
Speaker3: oben drauf, korrekt? Also Jetzt in diesem konkreten Usecape. Das ist ungefähr, ja. Also im Grunde ist es fast immer so, dass die meisten Prozesse mit mit 'nem ersten mit mal mit 'nem losgeht. Das heißt, das System erzeugt jetzt einfach, als ob Du das genau das, was der gesagt hätte, getippt hast. Mhm. Und dann muss man eben aus dem getippten sozusagen, das ist natürlich 'n ganzes Stück Semantik, die Semantik erkennen, dass eben jetzt an irgendeinem irgendein Fehler am Bauteil hinten links in der Schwere soundso passiert. Es ist natürlich tatsächlich so, dass das System natürlich keineswegs in irgendeiner Form 'n Verständnis drüber hat, was da kaputt ist, ne? Das ist klar. Aber er kann dieses Matching zu dem Fehler machen. Also es ist, warum, ne, das System versteht nicht, dass da jetzt irgendwas kaputt ist, aber es kann genau zuordnen, was welcher Knoten in dem Baum zum relevant ist oder betroffen ist. Und das kann der der Inspekteur formulieren, wie er möchte. Also der kann sagen, da ist was kaputt oder geht nicht oder kann das auch in 'nem Dialekt sprechen. Das heißt, Du musst nicht, weil Du vorhin 'n Formular gesagt hast, die die Eingabe, die erfolgt insbesondere nicht, als dass Du einfach immer sozusagen bestimmte Füllsachen in dem Formular füllst, sondern die können ganz Freitext, wie sie normal formulieren, sprechen. Und das tun die auch extrem unterschiedlich. Das war in dem Projekt sehr, sehr wichtig, weil die Inspekteure natürlich keine Lust haben, ich sag mal, Jan, eine spezielle Sprache zu lernen.
Speaker2: Ja, ja, ich ich ich weiß, was Du meinst, ja. Die benennen auch die Fehler sehr, sehr unterschiedlich.
Speaker1: Mhm, mhm.
Speaker3: Aber ich sag mal Semantik, ja, das ist immer schwierig. Wie weit man da gehen möchte und und was in dem Use Case natürlich auch erforderlich ist, ne. Also was halt erforderlich ist, dass, wenn Du deinen Fehler formuliert hast, dass dann das System genau erkennt, da muss ich in die Datenbank Folgendes eintragen und visualisieren. Auf der Ebene semantik 100 Prozent. Mhm. Aber natürlich weiß das System nichts von von Fehlern dann.
Speaker2: Ja, aber ich kann das sehr gut nachvollziehen, was Du gerade meintest mit spezielles Sprache lernen. Und zwar hatte 1 meiner früheren Autos so die die 1. Generation Spracheingabe und man musste genau die Syntax benutzen Sprachwahl, ja. Und in der Reihenfolge und auch die Aussprache, damit das System das erkennt. Und mittlerweile natürlich deutlich besser und so. Aber ich muss immer noch zurückdenken und es hat mich auch irgendwo geprägt. Ich benutz bis heute noch diese Sprach
Speaker3: ja. Du, wenn ich an meine Siri denk, Ja. Die hat mich schon richtig erzogen, wie ich sprechen muss, dass sie mich richtig gut versteht, obwohl die Systeme immer besser werden. Ja, ja, ja. Und vor allem das Thema Mehrsprachigkeit.
Speaker2: Ja. Wenn man genau weiß, der Begriff ist jetzt eigentlich Englisch Mhm. Oder Deutsch, aber ich muss es genau andersrum aussprechen, damit's das System erkennt. Ja. Lass uns vielleicht da auch direkt eintauchen. Wie wie geht dir so was an? Du hast grade erwähnt, es ist egal, ob ich vielleicht auch in 'nem Dialekt spreche oder nicht.
Speaker3: Also egal Dialekt ist natürlich 'n bisschen übertrieben gewesen. Wenn Du Ist tolerant dagegen. Genau, es ist tolerant dagegen. Also wenn Du jetzt jemanden hast ausm tiefsten bayerischen Wald, der da 'n tiefen Dialekt spricht, dann werden wir den wahrscheinlich nicht sehr gut verstehen. Aber wir können relativ starke Dialektfärbungen sehr gut verstehen. Das ist
Speaker2: nicht Und ist das nur nur eine Frage des Trainingsdatensatzes Ja. Oder ja, schon. Ja. Das heißt, dort die Varianz rein zu Absolut. Verbindet das System Okay, okay. Absolut. Das ist absolutes Training.
Speaker3: Also wenn Du das nicht trainierst, dann verstehst Du Dialekte sehr, sehr schlecht. Dann dann darf die Färbung schon nur ganz minimal sein. Mhm, mhm, mhm. Und und was Sprachen betrifft, also ich sag mal, im im Standardmodell hat man, Stand heute, das meistens so, dass Du 'n Modell für eine Sprache hast, aber es gibt eben genau die Herausforderung, dass Du so gemischte Sachen auch gut verstehen kannst. Eben zum Beispiel englische Fachtermini in deutschem in deutschem Text oder so was. Und speziell diesen Inspektionsassistenten haben wir für den Kunden zum Beispiel Deutsch und Französisch gemacht.
Speaker2: Mhm. Ah, okay. Das heißt sogar über über verschiedenste Sprachen hinweg. Ja.
Speaker3: Also das ist 'n internationaler Konzern und der hat es jetzt eben Mhm. In in diesem Jahr in der Breite verprobt. Und wir hoffen, dass es im kommenden Jahr in der Breite dann in die volle Produktion geht. Aber es ist mit sehr, sehr vielen Kunden und grade was Dialekt betrifft, auch in Frankreich in sehr, sehr vielen Regionen verprobt worden und da haben wir tatsächlich am Anfang auch Überraschungen, also es waren keine Überraschungen, wir haben das durchaus erwartet, aber genau das erlebt, was wir jetzt grade angesprochen haben. Wenn der Dialekt stärker geworden ist, ist es zum Teil schlechter geworden und dann hat man eben Retrainings gemacht, dort eben auch besser zu werden.
Speaker1: Mhm, mhm. Okay.
Speaker2: Alright. Wie geht's dir dann das an? Du hast vorhin erwähnt, ihr macht Inhouse Entwicklung. Ihr ihr entwickelt und trainiert die Modelle komplett bei euch im Haus, tiefsten Einfluss nehmen zu können. Genau. Jetzt gibt's ja grade ganz aktuell einerseits von Firmen, gleichzeitig aber ja auch auf EU Ebene Bestrebungen, sehr mächtige, da universell anwendbare Modelle aufzuziehen. Wobei dort natürlich für kleinere Firmen das Problem ist, dass die Konzerne dir nur Zugriff über eine API gewähren, ja, und nie das Modell als solche rausgeben. Nichtsdestotrotz ist das Modell natürlich auf dem Markt. Wie stehst Du oder wie stehst ihr bei KenWun zu dieser Art von sehr, sehr großen und halt mit wahnsinnig viel Rechenpower trainierten Modellen? Ist das eine Konkurrenz? Nutzt ihr vielleicht auch solche Modelle oder ist das in 'nem komplett anderen Bereich? Also diese ganz großen Modelle aller GPT nutzen wir nicht.
Speaker3: Weil genau aus dem Grund, den Du grade selber auch schon gesagt hast, wir könnten die gar nicht weiter trainieren, weil die so unfassbare Kapazitäten brauchen, dass das gar keinen Sinn macht, also dass wir das nicht leisten könnten. Und natürlich auch, dass die eben auch nicht offen sind. Das heißt, das ist eben nicht unser Modell und wir können das nicht weiterverarbeiten, weil's nicht ganz veröffentlicht ist. Ich hab das nicht ganz genau verfolgt, aber meines Wissens ist ja diese große dieser große EU Ansatz, jetzt ein europäisches Sprachmodell zu schaffen, tatsächlich doch so, dass das relativ offen sein soll. Und ich sag mal, wenn son Modell dann 'n genügenden Grad an Offenheit hat, dann fängt es natürlich wieder an, interessant für uns zu werden und dann muss man sich halt Gedanken machen, wie funktioniert das mit dem Training denn? Ich sag mal, bei unserem Modell ist es zum Beispiel so, wenn wir das komplett trainieren, dann trainiert es auf für unsere Begriffe sehr teurer, große Hardware mehrere Wochen. Mhm. Das ist was, was man sich ab und zu mal leisten kann und was wir eben sehr speziell machen, ist, dass wir einen Mechanismus entwickelt haben, das ist jetzt auch kein entwickelt haben. Das ist jetzt auch kein kein Rocket Science, aber das ist eben ganz wichtig für uns, dass wir sogenannte Feintunings machen können. Das heißt, wir müssen nicht, wenn wir Trainingsdaten verbessern, immer das komplette Modell trainieren, sondern wir können in in vielen kleinen Schritten das Modell iterativ verbessern, dann wieder irgendwann mal 'n komplett Training machen zu können. Und wenn man solche Ansätze bei sonem großen europäischen Modell mal genügend gut machen könnte, ja, dann ist das natürlich für uns auch spannend. Aber wir sind da aktuell nicht dran beteiligt an sonem Projekt.
Speaker2: Mhm. Mhm. Okay. Was natürlich jetzt im Umkehrschluss auch eine sehr, sehr wichtige und interessante Aussage ist, dass ihr auch nach wie vor mit den lokalen erstens Entwicklungs- und Rechenressourcen
Speaker3: damit auch wirtschaftlich fahren könnt. Also Lokalen stimmt nicht ganz. Also die meisten Trainings, die wir bis vor Kurzem gemacht haben, haben wir tatsächlich mit Cloud Ressourcen gemacht. Das heißt, wir haben uns halt einfach ein paar teure Boxen bei AWS oder Telekom oder wo auch immer gemietet und haben dann da drauf trainiert. Und wir haben jetzt erst seit ganz Kurzem uns 'n sehr, sehr großen GPU Trainingsserver gekauft mit, ich glaub, 10 10 10 GPUs drin. Einfach, das kostengünstige für uns zu machen, weil diese Cloud Ressourcen leider ziemlich teuer sind, ne, grade wenn sie teure Grafikkarten haben.
Speaker2: Ja, ja, ja, genau. Darauf wollt ich ja natürlich auch hinaus eben, weil wir in der Firma nutzen auch Cloud Ressourcen. Mhm. Wir kaufen uns halt teuer damit Flexibilität der Skalierung ein, ja? Aber natürlich kosteneffizient,
Speaker3: wenn ich weiß, ich hab den bestimmten Rechenbedarf, ist es natürlich nicht. Ja, weißt Du? Bei uns war das gerade am Anfang natürlich so, da war das eigentlich von der Effizienz her fast optimal, weil wir haben natürlich nicht dauerhaft große Modelle trainiert. Das ist halt dann mal 4 Wochen gelaufen und dann hat man anderen Themen gearbeitet und dann ist es gar nicht so schlecht, dann lieber mal für die 4 Wochen diese ganz teure Cloud Ressource zu kaufen. Aber wir sind halt mehr und mehr Mhm. Haben wir halt immer kontinuierlich kleinere Trainings. Weißt Du, gerade wenn man auch spezielle Modelle für irgendwas ausprobiert. Wir haben ja sehr viele Komponenten. Da gibt's Sprechertrennung, Sprechererkennung, Sentimenterkennung, Wakewörterkennung, alles Mögliche. Und immer wieder versuchst Du natürlich da Modelle, ich sag mal, die theoretischen Grundlagen erarbeiten wir natürlich nicht selber, ne? Wir sind ja kein Grundlagenforschungs-, Institut oder Unternehmen. Das heißt, wir Mhm. Wir scannen die Welt nach interessanten Entwicklungen, die dann im Idealfall in Papers dokumentiert worden sind und im noch idealeren Fall vielleicht sogar mit 'nem Stück Open Source Software hinterlegt worden sind und damit probieren wir dann halt und das optimieren wir. Da haben wir Leute dafür, die das sehr gut können und dazu braucht man halt jetzt in letzter Zeit immer mehr kontinuierlich Trainingskapazität und deswegen halt die Entscheidung, jetzt Stimmt. Parallel zur Cloud eben auch eine große Box einzusetzen.
Speaker2: Habt ihr dieses Format oder habt ihr da vielleicht auch eben ein Format institutionalisiert, so wie es Journal Clubs an Universitäten oder Instituten gibt,
Speaker3: sich gegenseitig auf dem neuesten Stand zu halten oder macht das jeder in der in der Freizeit? Nee, gut, in der Freizeit machen da schon sicher die Kollegen einiges, weil sie das einfach interessiert, schätze ich. Aber wir haben so Paper Reading groups. Ah. Da wird halt ein Paper sich rausgesucht und das bereiten dann 2 Kollegen vor und dann diskutiert man das. Mhm. Aber das ist auch, Du kannst, Du darfst das nicht so vorstellen, dass da in der Woche 30 Papers bearbeitet werden. Aber wir haben ja sehr spezielle Themen, die wir bearbeiten müssen oder wollen, und zu denen sucht man sich halt die interessanten Sachen raus.
Speaker2: Mhm, mhm. Stichwort persönliches Wachstum. Wo siehst Du bei dir mit deinem vielfältigen Background aktuell die größten Herausforderungen, wo Du sagst, okay, dann musst Du wirklich aufpassen und oder sorgst vielleicht auch aktiv dafür, immer am neuesten Stand zu bleiben. Sind das technische Themen oder Für mich persönlich meinst Du? Ja, genau, für dich persönlich. Nee, für mich persönlich eigentlich nicht so sehr.
Speaker3: Ich sag mal, ich ich steck ja auch nicht so in der Tiefe in der Technologie drin und ich sag mal auf 'nem Level gut zu verstehen, was da passiert und das gut mit Kunden zu diskutieren, das ist was, was ich was ich gut kann. Mhm. Aber ich könnte jetzt sicher nicht son Modell ja in in der Tiefe selber mit entwickeln und das ist ja aufgrund meiner Rolle auch gar nicht notwendig.
Speaker2: Wie geht's dir dann im Austausch mit den Kunden? Lass uns mal 'n Blick auf die Projekte werfen. Du hast es vorhin so so erklärt oder zumindest hab ich's so verstanden, die Kunden haben schon eine Idee oder einen einen Use Case, wo es den Bedarf gibt, zum Beispiel eben das User Interface zu verbessern mit seiner User Experience, indem ich beispielsweise von 1 Touch Screen Eingabe übergehe auf eine Spracheingabe, so wie das vorhin mit dieser Genau. Mit diesem Inspektionsprojekt. Genau. Das ist jetzt ein Szenario, das sich schon sehr, sehr konkret anhört in meinen Ohren, nämlich dass eben Kunde konkrete Vorstellungen hat und nicht erst man ankommt und sagt, ja, wir hätten hier gerne Datenstrategie, was können wir denn ungefähr oder überhaupt mit Daten machen? Ist das richtig? Also haben die Kunden da schon wirklich 'n klares Bild vor Augen, wo ihr dann mit euch schon draufsetzen könnt? Das ist ein extremes Spektrum natürlich, ne. Ich sag mal was, Okay. Gerade in dem Sprachbereich
Speaker3: ist es natürlich viel einfacher, weil Mhm. In jedem anderen Bereich, wo man über KI Technologien redet, da geht's tatsächlich oft drum, wie was gemacht wird. Und dann geht man in in in Anomalieerkennung, da schaut man sich an die Daten, die der hat. Dann überlegt man, ob der 'n Big Data System braucht, weil er die Daten in 'ner in irgend 'ner Geschwindigkeit zum Beispiel ablegen oder oder bekommen muss. Da geht's oft viel mehr in die Tiefe. Aber bei der Sprache ist natürlich der Use Case eigentlich so einfach zu verstehen, das Ding muss halt einfach Sprache verstehen, muss verstehen, was ich möchte und muss dann dadrauf antworten können. Und wie wir das machen, das interessiert bei den meisten Kunden ja relativ wenig. Das heißt, unser System ist da relativ, ja, ich möcht nicht sagen Blackbox, aber es ist leicht zu erklären, wie's funktioniert. Mhm. Weißt Du, wenn Du wenn Du als Beispiel hast, ich mein, das machen wir auch zum Beispiel in dem in dem in 'nem in 'nem Forschungsprojekt, da geht's drum, zu erkennen, im Grunde auch was relativ Einfaches, was jeder Mensch eigentlich kann. Du fährst in deinem Auto und manchmal kommt's einem doch vor, dass sich das komisch anhört und dann hört man da 'n bisschen genauer hin und dann merkt man das immer mehr und irgendwann fährt man dann immer in die Werkstatt und sagt, mein Auto hört sich komisch an und die untersuchen dann halt und kriegen was raus. Und was Ähnliches machen wir in der Industrie jetzt auch. Wir versuchen anhand von Vibrations- und und Mikrofonsignalen Anomalien zu erkennen. Ah, cool. Das ist jetzt in dem allerersten Schritt natürlich auch sehr einfach formuliert, ne. Wir hören halt einfach zu und wenn sich's unnormal anhört, dann sagen wir halt hallo. Aber da steigt man dann schon tiefer ein natürlich, weil dann geht's halt wirklich drum, was für Arten von Signalen hab ich denn? Was für Sensoren hast Du denn Kunde oder Interessent? Oder was könntest Du denn noch machen? Gibt's noch andere Sensoren, die da eine Rolle spielen können? Das können ja beliebige Sachen sein. Das können Stromflüsse sein. Das können Drücke sein. Da kannst Du im Grunde ja das komplette Sammelsurium dir ausdenken. Das heißt, da geht man viel, viel tiefer in die Technologie rein und bei der Sprache ist das eben auf dem auf der Schnittstelle zum Kunden meistens relativ auf 'nem relativ hohen Level, der will halt einfach, dass er das versteht, was er sagt, was Du sagst. Mhm.
Speaker2: Mhm. Ja, das ist, glaub ich, 'n riesengroßer Vorteil. In den eher abstrakteren Projekten, Du hast es ja grade auch schon beschrieben, da sind wir zum Beispiel in unserem Projektgeschäft auch noch viel damit beschäftigt, dieses Verständnis der Methodik zu vermitteln. Weil wir andererseits ja auch ganz viel vom Use Case spezifischen Know how uns erst mal aneignen müssen. Das heißt, der Austausch findet da auf 'nem ganz einen anderen Ja.
Speaker3: Level. Absolut. Und Du musst da die Du, das das aller, also wir machen ja auch solche Nichtsprachsachen. Nicht mehr ganz so viel, weil wir eben da unseren Fokus jetzt setzen, aber wir machen die auch noch. Und da ist meines Erachtens das allergrößte Problem und auch wie da ist die das ist, wenn oder hast Du für nach der Herausforderung gefragt. Da ist, glaube ich, die größte Herausforderung für mich, in die in der Domäne möglichst viel zu verstehen, weil ich sag mal, weißt Du wieder in der Sprache ist die Domäne einfach. Du musst halt einfach, ja, da da ist relativ schnell erklärt, was Du verstehen musst. Aber wenn Du jetzt in 'nem in 'nem industriellen Umfeld bist, dann musst Du halt wirklich verstehen, was da passiert, was wie schauen da Prozesse aus und sich da reinzufinden als eben nicht Ingenieur, als nicht Produktionsmensch, das ist viel, viel schwieriger. Ich sag mal, die IT Sachen, die die ML Sachen, die sind auf dem Level, auf dem ich brauche, einfach zu verstehen für mich. Ich mein, gut, ich bin bin jetzt auch schon 'n paar Jahre im Geschäft und man und man hat schon viel kommen und gehen sehen, insofern kommt man relativ schnell in die Sachen rein. Aber was eben viel schwieriger ist, meines Erachtens zumindest, ist eine ganz neue fachliche Domäne. So weit zu verstehen, dass Du sinnvoll mit 'nem Kunden drüber sprechen kannst. Definitiv, ja. Geht uns ganz genauso, ja. Ja, ja, ja, richtig.
Speaker2: Mit Blick auf die bisherigen Projekte bei Kenbohn gibt's da 1, das wirklich raussticht in in Form 1 Projektes, wo Du sagst, das war mit Abstand das erfolgreichste Projekt eurer bisherigen Geschichte? Also wahrscheinlich ist es tatsächlich der Inspektionsassistent.
Speaker3: Mhm. Mhm. Aber da haben wir schon 'n bisschen drüber erzählt. 'N anderes, was auch sehr spannend ist und ich glaub, da seh ich sehr viel Potenzial auch in der Zukunft, das ist im ganzen klinischen Bereich. Im klinischen Bereich hast Du ja einen unfassbaren Aufwand, ich weiß nicht, in den meisten Leuten ist das vielleicht gar nicht so klar, mit mit ganz langweiligen Dokumentationsaufgaben. Die Pfleger und Ärzte, die müssen akribisch genau beschreiben, was sie gemacht haben und warum sie das gemacht haben. Und das kannst Du natürlich mit unfassbar weniger Aufwand mit Sprache machen. Mhm. Und da sind wir in einem sehr, sehr interessanten Projekt oder besser gesagt, das ist 'n Kunde von uns, der hat ein auch ein eigenes KI basiertes System entwickelt. Seine KI ist an 'ner anderen Stelle. Das ist im Grunde, kannst Du dir vorstellen, wie son Tablet, was am Krankenbett festgemacht macht ist und das kann extrem viele Vitalparameter von 'nem Assistent von 'nem Assistenten, sag ich schon, von 'nem Patienten darstellen. Mhm. Mhm. Und was die jetzt machen können, die haben jetzt eine KI, die eben rauskriegt, was ist denn was, was potenziell für den Behandler interessant ist und schlägt dem das schon vor. Aber was sie eben jetzt mit uns machen, mit uns können sie jetzt das System auch mit natürlicher Sprache befragen und können ihnen sagen, sag mir mal, was der Blutdruck heut Nacht zwischen zwischen 2 und 3 war. Oder gibt's kritische Sachen im Bereich der Beatmung in den letzten 3 Tagen oder wie ist der Trend von so und so? Das heißt, wir machen da die Sprachschnittstelle für das System und die die haben die medizinische KI dahinter, aus den aus den Vitalparametern und aus den Parametern des Systems eine entsprechende Antwort zu generieren, die wir dann wieder erzählen. Und auf der anderen Seite ist eben der Dokumentationsteil so riesengroß, ne. Alles, was der Arzt oder der Pfleger mit dem Patienten macht, das spricht, das also müsste könnte er auch in dieses System eintippen und das kann er eben einfach diktieren bei uns. Ich sagte ihm, ich hab ihm 2 20 Milligramm von dem Medikament, 20 Milligramm von dem Medikament gegeben, dann habe ich ihn umgebettet. Ich bin jetzt selber kein Ast, dass ich sagen könnte, was da genau für Sachen sind, aber letztlich jeden jedes Detail der Behandlung kannst Du dadrin eben dokumentieren und das geht mit Sprache eben 'n Vielfaches, Einfacher. Und auch da kommt eben wieder das ganz große Problem. 'N normales Sprachmodell versteht ja kaum 1 von den ganzen Medikamenten und den medizinischen Fachbegriffen und das ist eben was, was wir dort trainieren, dass wir die speziell sehr gut verstehen.
Speaker2: Mhm, mhm. Ja, ich hab das jetzt neulich ausprobiert, ob das Scram Transkript Tool von unserem Aufnahme von unserer Aufnahmeplattform,
Speaker3: die wir grade benutzen, ob die so was wie Alpha, Galaktose, Uridyl Transferase Ja. Versteht. Und da kommt ganz lustiges Zeug. Ja, ja, das kann ich mir vorstellen. Mich hat gerade eine Firma angesprochen, die die Transkription für für solche Aufnahmen haben will. Mal gucken, ob wir da was machen können, aber da ist die Schwierigkeit möglicherweise natürlich, dass da die die Domäne potenziell eben offen ist. Das heißt, Du machst jetzt 'n Interview im Medizinbereich, Du machst 'n Interview im Industriebereich, Du machst 'n Interview im. Und ich mein, natürlich können wir die alle dann trainieren. Mhm. Aber die Frage ist, ob wir die vorher alle trainieren. Also unser Basismodell ist natürlich schon sehr gut, aber so richtig so richtig durchschlagen gut wird's tatsächlich, das ist unsere Erfahrung, dann, wenn Du 2 Sachen trainierst, das ist einerseits der spezielle Wortschatz, der eben in 1 speziellen Domäne gesprochen wird und der ist eben jetzt bei der Rainer, wenn Du deine Transkription als Thema nimmst, noch nicht speziell genug. Und das sind die Hintergrundgeräusche, mit denen Du in Berührung kommst. Da kannst Du auch sehr, sehr viel rausholen. In der Inspektion ist das ganz wichtig, ne. Stell dir vor, in der Industrie, da hast Du eine Werkshalle, da ist es laut und da musst Du halt mit diesen Störungen klarkommen.
Speaker2: Mhm. Und da sind wir jetzt genau bei dem Punkt, den ich mir auch in der Vorbereitung dick angestrichen hatte, nämlich wo kriegt ihr eure Trainingsdaten her?
Speaker3: Also ein Teil ist, das Basismodell, das ist fleißige Arbeit, die ich selber organisieren. Zu suchen suchen, suchen, wo Du kannst. Ja, genau. Alles, was Du dir legal besorgen kannst, nimmst Du her und trainierst. Da ist viel sehr, sehr viel Arbeit drin, das zu bereinigen, weil ganz viel, was Du an Trainingsdaten dir vorstellen kannst, völlig ungeeignet ist erst mal. Sind Fehler drin, das musst Du halt alles manuell reparieren, dass Du dann Weil das ist was ganz Gefährliches. Ich mein, das kennst Du auch so ganz Es gilt in jeder in jedem m l system, wenn Du schlechte Trainingsdaten reinsteckst, dann lernt das System logischerweise an den schlechten Daten was. Okay. Und das ist natürlich, was Du nicht haben möchtest. Das heißt, da musst Du drauf achten, dass Du gute Trainingsdaten hast. Und die speziellen Trainingsdaten, da haben wir 'n spezielles Tool, mit dem
Speaker2: Kannst Du kannst Du uns 'n Beispiel geben für mögliche Datenquellen? Also was ich mal gelesen hatte für Übersetzungengines, dass Texte der EU Genau. Generell der EU hergenommen werden, weil alle Beschlüsse sozusagen in alle Mitgliedsstaaten waren. Ja, so haben das die DeepL
Speaker3: Leute gemacht, genau. Die haben den ganzen Genau. Ja, stimmt. Ganzen Protokolle alles hergenommen, fantastisch, genau. Genau. Also zum irgendwelche Quellen, die ihr benutzen könnt? Ja, natürlich, natürlich gibt's die. Also zum Beispiel gibt's Open Source Hörbücher, wo man einiges machen kann. Ah, da hast Du da hast Du Text und Also im Grunde wird, was wir brauchen, ist transkribiertes Audio. Alright, das ist Und egal Bücher, das ist Okay, ja, ja, ja, ja. Egal, wo's transkribiertes Audio gibt, da musst Du natürlich immer gucken, ob Du das verwenden darfst. Mhm. Aber sehr oft darf man das und dann hast Du schon mal eine sehr gute Basis für die Sprache. Und Du kannst so was auch kaufen natürlich, ne. Es gibt kommerzielle Firmen, die verkaufen dir Datensätze dann auch wieder, da geht's dann schon 'n Stück weit in die Domäne, mit der Du dann deine das Basismodell trainieren kannst, sag ich mal, ne. Mhm, mhm. Kann man auch zweistufige, ganz interessante andere Sachen machen. Du kannst zum Teil, da forschen wir grade noch 'n bisschen dran, aber das ist durchaus ganz vielversprechend. Wenn Du Du kannst Texte selber, also Du kannst einen Text to Speech machen und mit dem mit der mit der Sprache, die Du in dem Text to Speech System gemacht hast, das kannst Du als Input für die andere Richtung vom Training hernehmen, wenn Du da 'n bisschen Varianz reinbringst. Und da kannst Du natürlich maschinell gut Varianz reinbringen. Ah, okay. Das ist aber noch son bisschen Forschung.
Speaker2: Ja, glaub ich. Aber das der der Ansatz ist nicht nicht untypisch, ja? Dass ich, wenn ich das Vorwärtsmodell habe, dass ich Genau. Das inverse Modell durch entsprechende Machine Learning Abläufe. Genau. Das ist das eine. Und was ich halt im Machine Learning immer noch Das
Speaker3: ist das eine und was ich halt im Machine Learning immer mach, dass ich halt argumentier wie verrückt, ne? Genau. Genau. Und das kann man in der Sprache ja auch sehr gut machen. Da kann man ganz klassische Verfahren einsetzen. Da gibt's wiederum Machine Learning Verfahren, die dann 'n bestimmten Aspekt argumentieren und so kann man sein sein sein Trainingsdatensatz vervielfältigen sozusagen. Aber das ist, sag ich mal, nicht das nicht das Kritische, weil das die kann man sich besorgen halt einfach, ne? Die muss man sich halt besorgen, muss man fleißig sein, sammeln, zum Teil auch selber sprechen natürlich. Und was wir eben dann mit unseren Kunden machen, da haben wir einfach 'n Tool entwickelt, mit dem unser Kunde Texte einsprechen kann. Und damit die spezifischen Trenndaten, genau. Genau. Genau. Also das heißt, er erzeugt dann erst mal 1000 Sätze oder wie viel auch immer er braucht mit den mit, also im Idealfall nicht mit einzelnen Worten, sondern mit mit mit Sätzen, wo die der das entsprechende Wort vorkommt. Dann können wir wiederum jetzt das mit verschiedenen Verfahren, das ist ja ziemlich einfach, diese Texte vervielfältigen, eben Formulierungen austauschen und dann kriegen kriegen Mitarbeiter von dem Kollegen oder auch Leute, die man bezahlt, kann man natürlich auch machen, diesen Text vorgelegt im in der in der Webanwendung und kann dann diesen Text einsprechen. Und in dem zweiten Schritt wird's korrigiert.
Speaker1: Mhm.
Speaker2: Wie verhält sich das vom Aufwand jetzt relativ gesehen zum restlichen Aufwand im Projekt? Ich weiß das aus Projekten im Bildbereich, dass da teilweise der der der der Löwenanteil des Budgets draufgeht, gelabelte Daten zu ja, erzeugen letztlich durch, wie Du's geschrieben hast Ja. Mit den Mitarbeitern, die die diese Labels dann vornehmen. Wie verhält sich das bei eurem Bereich? Gibt's da eine Hausnummer oder ist es
Speaker3: sehr individuell? Eine Hausnummer, ja. Es ist natürlich individuell und das ist vor allem, ich ich meine, das ist beim Bild ja auch, bei der Bildverarbeitung ja heute auch so, da trainierst Du ja auch mit deinen speziellen Sachen erst die hintersten Ebenen von deinem neuronalen Netz und hast vorne 'n Standardmodell, was eben, was auch immer erkennt. Und ich sag mal, das die Daten, die wir fürs Feintuning brauchen, erzeugen wir sehr iterativ. Das heißt, wir machen am Anfang immer einen großen Schwung, da lassen wir die Leute einfach mal 'n paar Wochen lang jeden Kollegen 'n paar Minuten einsprechen. In Prozent kann ich das jetzt schwer formulieren, weil das ist was, was wir unseren Kunden machen lassen, insofern kostet's uns nicht so viel. Wow. Und es macht ja auch Sinn, dass die Kunden das tun, weil Du willst ja auch möglichst viel Vielfalt haben, ne. Du willst Leute aus den in den Dialekten, die die da haben. Das ist aber kein so großer Aufwand. Und dann hast Du dann dann Also in dem ersten Schritt hast Du dein Modell schon 'n ganzes Stück besser gemacht, also 'n großes Stück besser gemacht. Und dann kommen relativ kleine Iterationen, wo eben bestimmte Sachen oder bestimmte Situationen nicht gut verstanden werden. Und dann erzeugst Du dafür eben speziell noch mal Trainingsdaten mit ähnlichem Verfahren und trainierst weiter. Und manchmal macht man auch natürlich spezielle Schritte. Du machst es nicht nur über Feintunings, ne. Du machst auch ganz spezielle Bearbeitung von den Signalen, wenn sich das eben als als zielführend herausstellt. Du kannst ja auch auch zum Beispiel Rauschunterdrückung mit ganz klassischen Audiomethoden erst mal versuchen oder schon mal machen. Das hilft ja auch viel, da brauchst Du gar kein m l. Aber mit m l gehen dann bestimmte Sachen viel besser. Mhm, mhm. Ne, da wird zum Beispiel wird da das das Trainingsmodell wird dann mit dem entsprechenden Lärm argumentiert und dann wieder trainiert. Das gibt zum Beispiel sehr, sehr große Effekte.
Speaker2: Sehr, sehr spannend. Erinnert mich auch an ein Thema, das wir neulich in unserem E-Mail-Up hatten. Und zwar hatten wir dort diskutiert, wie ganz arbeiten, generative Networks. Mhm. Und in dem Beispiel aber mit Bilddaten. Mhm. Ganz konkret in dem Beispiel Daten, Röntgendaten von von von von Brustkörben mit der Zielsetzung, kann ich eine, was war das, eine Wassereinlagerung, glaub ich. Kann ich die kann ich die erkennen oder nicht? Und das war spannend, ja, weil so wie Du das grade beschrieben hast mit dem Rauschen auditiver Natur konnte man dort eben auch Bildfehler aus der Messapparatur mit mit einfließen lassen und berücksichtigen. Sehr cool. Lass uns, wenn Du magst, auf die eher eher operative Ebene der Projekte gehen. Wir haben uns jetzt viel über die konzeptionelle Ebene und quasi vom von von der Technologiearchitektur unterhalten. Wie wie geht ihr das an, wenn's dann konkret in die Umsetzung geht? Nutzt ihr beispielsweise MLOps Pipelines beim Kunden oder läuft das alles dann in 'nem super Custom Deployment auf einem
Speaker3: Server vor Ort? Vielleicht magst Du uns da 'n bisschen Nee, die MLOps Verfahren, die laufen bei uns nicht beim Kunden, ne? Weil wir haben halt die Notwendigkeit, sehr oft und sehr schnell Modelle wieder zu trainieren. Und deswegen haben wir da einfach mit MLOPS Verfahren 'n hohen Grad an Automatisierung und an Reproduzierbarkeit reingebracht. Zum Kunden wird im Grunde, ich sag mal, der Hauptaufwand, den wir beim Kunden tatsächlich heute haben, das ist eigentlich ziemlich, na, langweilig, möchte ich nicht sagen, aber das ist keine Rocket Science, da geht geht's Integration. Du musst halt in dessen System integrieren. Und wenn wir dann, das kommt dann immer drauf an, wo eben das Modell läuft, wenn das Modell tatsächlich beim Kunden läuft, was wir ja was wir erlauben. Also wir können das Modell auch on prem beim Kunden fahren. In manchen Situationen ist es gewünscht. Dann wird im Grunde nur 'n binäres Modell muss nur 'n binäres Modell deployed werden. Okay, aber auf Inferdensebene, oder? Ja, genau. Wird auf Kunden nicht mehr. Nicht nicht mehr. Nicht mehr, nein. Das haben wir einmal gemacht, aber das ist viel zu aufwendig und der Kunde hat im Allgemeinen auch gar kein Interesse da dran. Ja, richtig, richtig.
Speaker2: Wie sieht so was dann praktisch aus im, ich nenn's mal Lebenszyklus 1 solchen Modells? Ich konstruier jetzt einfach mal ein Szenario, nämlich die Belegschaft ändert sich über die Zeit. Mhm. Und bleiben wir bei den Dialekten. Die dialektische Einfärbung verändert sich mit der Zeit und jetzt merkt man, die Benutzungsqualität des Modells nimmt ab. Ja, genau. Wie erfahrt ihr davon oder gibt's Mechanismen, dass diese Qualität auch gerivoved wird? Ja. In dem Sinne, ja, was ja vor allem in den frühen Tagen des Machine Learning passiert ist, dass
Speaker3: Modelle trainiert wurden, deployed wurden beim Kunden und dann auf nimmer Wiedersehen. Ja, das funktioniert natürlich überhaupt nicht, weil es ändert sich ja auch an der Domäne, was nicht nur, nicht nur die Leute. Also was wir eigentlich immer versuchen, in die Systeme einzubauen, ist sone möglichst automatisierte Feedbackschleife, dass man dass man mitkriegt, wann was nicht funktioniert. Ich sag mal, im aller einfachsten Fall ist es 1 1 1 KPI, was einfach misst, wie gut die Qualität ist, ne. Dann kann der ähnlich, weiß nicht, nee, die Siri macht das, glaub ich, gar nicht. Aber Du kannst dann eben aufn Knopf drücken und sagen, das war nicht gut, das hat mir nicht gefallen. Dann dann kannst Du an der auf der Basis automatisiert schon feststellen, wie gut sind deine Erkennungsraten? Was aber viel besser funktioniert natürlich, ist, da hast Du allerdings dann 'n paar andere Herausforderungen, dass Du tatsächlich, was ja die die großen Sprachanbieter auch machen, dass Du versuchst, die fehlerhaften Einsprechversuche, also wenn jemand eben ein Produkt gesagt hat oder in 'nem anderen Dialekt, dass Du mit denen weitertrainierst. Da bist Du halt auf einmal dann in der Concent Ecke. Das heißt, Du musst dann die Mitarbeiter, wenn Du das machen möchtest, musst die Mitarbeiter transparent informieren, dass so was passiert und Du musst dir ganz explizit Zustimmung bitten, dass sie das tun. Ja. Aber wenn dir das gelingt, wenn das der Ich mein, das ist ja auch Mitbestimmungsfrage dann oft, dann ist der Betriebsrat mit im Boot noch. Aber wenn Du da alle alle Stakeholder an Bord kriegst und die Mitarbeiter das auch machen, dann hast Du da halb automatisch schon bessere Trainingsdaten. Du musst dann natürlich natürlich von Hand transkribieren, wenn's dein System nicht gekonnt hat mit dem schlecht gesprochenen Satz. Aber Du hast schon mal, ich sag mal, das ungelabelte Datum. Das ist Gold wert. Wenn Du das nicht hast, wenn Du nur den KPI misst, dass Du schlechter geworden bist, dann musst Du im Grunde diesen Feintuning Schritt einfach noch mal gehen und dir explizit die Trainingsdaten besorgen. Also deinen Kunden bitten, sprich jetzt mal, lass die Leute, wenn Du jetzt, weiß ich nicht, haben eine neue Region in Sachsen, wo die halt 'n bisschen sächsisch gefärbt sprechen. Lass die doch bitte mal Die Daten haben wir ja noch, die also die die Sätze, die Sie sprechen sollen, die haben ja aus den vorherigen vorhergehenden Phasen oder ja, in der Zeit, wo das eben passiert ist noch und dann kann man die einsprechen lassen, macht wieder Feintuning auf den Daten.
Speaker2: Alright. Ja, kann ich sehr, sehr gut nachvollziehen. Vor allem dieses Thema der Benutzerinteraktion, nee, das ist das falsche Wort, das ermöglicht Feedback, der automatisierte Feedbackschleife,
Speaker3: das ist ganz wichtig.
Speaker2: Der Feedbackschleife, das ist wirklich etwas, das man beim Lösungsdesign berücksichtigen sollte. Nicht nur jetzt in diesem konkreten Fall mit der der der der Sprach- und Audioerkennung. Ich seh das auch bei MES Systemen ganz stark. Wenn ich MES System, Manufacturing Execution System, für die, die das nicht kennen, wenn ich einem einem Mitarbeiter eine Arbeitsanweisung deploye an den Arbeitsplatz, der hat die Aufgabe, was zusammenzustecken und da ist 'n Fehler in der Arbeitsanweisung drin. Und ich geborene der Mitarbeiterinnen und Mitarbeiter keine Möglichkeit, Feedback Feedback dazu zu geben, ne? Das ist 'n unglaublicher Frustrationspunkt.
Speaker3: Absolut.
Speaker2: Und so ähnlich stell ich's mir auch bei eurer Lösung ja vor. Wenn ich merke, okay, in 'nem bestimmten Szenario wird's immer und immer wieder nicht korrekt erkannt. Ansonsten funktioniert das System super. Ja, da singt die Akzeptanz natürlich. Ja, genau. Dann dann dann dann haben alle Seiten was davon letztlich, ja? Absolut. Sehr, sehr spannend. Wenn Du magst, lass uns hier 'n kurzen Break machen. Wir haben mit sehr viel über die Projekte und die Technologie gesprochen. Ja. Noch mal kurz zu zu deiner persönlichen Einschätzung. Wenn Du den Status quo der Technologie und auch der Industrie mit ihren Anwendungsbereichen siehst, wo siehst Du oder in welchem Bereich siehst Du das größte Potenzial für die Zukunft im Bereich Spracherkennung? Wo glaubst Du, wird sich am meisten tun? Zeithorizont 5, maximal 10 Jahre, lassen wir's sagen, sonst sonst geht's zu weit.
Speaker3: Ich glaube, dass das ganz üppikitär passieren wird. Das wird alle ähnlich wie das im Privatbereich ist, überall die Benutzerschnittstelle letztlich, wo's wo's Sinn macht, erobern. Ich glaub nicht, dass es da so ganz spezielle Bereiche gibt. Also ich mein, natürlich sind immer die die Sachen sind Kandidaten, wo man möglichst viel langweilige Texte eingeben muss. Medizinische Dokumentation ist sicher ein Riesenkandidat. Oder ich mein, das sind ja schon Sachen, die die dir da Aber da ist es ja auch schon sehr viel eingeführt, wo Rechtsanwälte was diktieren, wo wo Leute Gutachten diktieren. Da haben wir grad 'n Kunden, wo das wo das gefragt ist. Also also letztlich, glaube ich, wird das in ganzer Breite ganz, ganz normal sein einfach. Wie wie man heute, ich guck mal, ja, so alt bist Du noch nicht, aber früher hast Du hast Du dein Terminal gehabt, aber das kenn, Du kennst ja als m l Mensch halt deine Lead, deine Linux Stelle, aber das war früher eigentlich das einzige Interface, was man hatte. Da hat man seine Befehle eingegeben. Mhm. Und ich meine, heute denkt überhaupt keiner drüber nach, in welchen Bereichen 'n 'n User, 'n ein Referical User Interface die Welt erobert hat. Es gibt keinen speziellen Bereich, wo der das tut. Das ist einfach überall, wo's halbwegs Sinn macht, ne. Speziell eben nicht, wenn ich wenn ich noch eine Linux Shell brauche, dann bin ich nach wie vor in dem Textorientierten, aber bei fast allem anderen ist 'n grafisches User Interface halt einfach viel praktischer als 'n rein textorientiertes. Und genauso gilt es, glaube ich, in ganz, ganz vielen Bereichen für Sprache.
Speaker2: Mhm. Wenn wir die Analogie jetzt ganz kurz hernehmen, Unterschied Terminal, also sprich textbasierte Interaktion mit einem Computersystem, um's mal so zu nennen. Mhm. Und dem gegenübergestellt ein grafisches Benutzerinterface. Wenn ich jetzt spontan überlege, wann bevorzuge ich was, dann denke ich, ist der Vorteil 1 textbasierten Oberfläche, dass ich deutlich flexibler bin beziehungsweise mächtiger in der Art und Weise, wie ich mich ausdrücken kann, wobei ich aber gleichzeitig, Nachteil, wissen muss, welche Möglichkeiten ich habe. Ein grafisches Benutzerinterface gibt mir die Möglichkeit der Exploration. Ich sehe einen Button, ah, okay. Was ist der Button? Tooltip, okay, ich wusste gar nicht, dass es diese Funktion gibt, ja. Es ist deutlich explorativer, aber gleichzeitig schränkt es mich ein in der der der der Mächtigkeit meines Tuns. Außer die Oberfläche ist so komplex, dass es wieder dass ich wieder wissen muss, wo ist welcher Knopf? Gibt's eine ähnliche Analogie vielleicht auch bei Sprachsystemen in Gegenüberstellung zu Text und oder grafischen Benutzeroberflächen, die Du siehst, okay, es gibt halt dann aber eben auch Fälle, da ist es sehr sinnvoll, textbasiert, Entschuldigung, sprachbasierte Systeme anzuwenden oder eben auch nicht. Hast Du da gibt's da eine Abgrenzung?
Speaker3: Wahrscheinlich. Also ich sag mal, das hängt sicher 'n Stück weit an der Komplexität, weil Du willst ja, ich sag mal, in 'nem grafischen User Interface, da da, wie Du sagst, da explorierst Du, ja? Da probierst Du rum. Dann drücke ich mal auf den Button, dann guck ich nach, ob's funktioniert oder mach mal eine Dialogbox auf. Das ist was, was man mit Sprache, glaube ich, sehr selten macht. Ich mein, so was wär schon vorstellbar, weil was Du bei der Sprache ja für eine Möglichkeit hast, Du kannst dir auch in Dialog treten. Du kannst das System was fragen und dann kriegst Du eine Antwort und dann fragt das System hinterher. Aber ich glaube, am besten und einfachsten geht's natürlich je straight Forboarder das ist, was ich von dem System haben will. Und ich sag mal, je weiter dann die Technologie sich entwickelt, desto komplexer kann's dann auch sein, dass eben das System dann interaktiv sehr stark nachfragt oder sehr genau nachfragen will, was ich will oder muss, was ich will. Mhm. Mhm.
Speaker2: Cool. Das heißt, ich hab grad irgendwie das Bild im Kopf, wenn wenn dieser Variantenbaum sehr, sehr groß ist, durch den ich zu wandern habe, ich aber mir als Mensch, weil's eine gute Struktur in diesem Baum gibt, gut merken kann, wo ich navigiere. Ich denke, diese, wie wie viele waren's? 70000 verschiedenen Fehlermerkmale, ja? Das sind ja nicht 70000 komplett voneinander losgelöste Fehlermerkmale. Ich denke, da ist ja eine Struktur Das ist ja eine Struktur Das ist ja eine Struktur die Kombinatorik macht's aus, oder? Das die Kombinatorik
Speaker3: macht's aus und ne, was so schwierig ist, dass sie gleich klingen. Das ist für uns ist das technisch schwieriger, ne, dass die durchaus ähnlich klingen. Dann ist es schwerer, sie zu unterscheiden natürlich auf der auf dem Audiosignal. Aber das ist, glaube ich, 1, was gerade eben sehr gut geeignet ist, weil da der der der Wunsch an das System sehr, sehr klar ist. Ich will einen ich will einen Punkt im Mangelbaum treffen und ich will zudem 3, 4 Parameter eingeben, alles völlig klar. Aber wenn Du jetzt überlegst, also je klarer die Frage ist, die Du an das System stellen willst oder den Befehl, den Du in dem System geben willst, desto einfacher ist es mit Sprache. Das das kannst Du dir wirklich überlegen an zu Hause, an deiner Siri, ne? Was würde ich die die fragen? Ich mein, man lässt eben seine ganzen Geräte ein- und ausschalten, man man man fragt sie nach einfachen Sachen wie irgendwelchen Status, Wetter, keine Ahnung, aber wann wenn's eine gewisse Komplexität überschreitet, dann ist es erst mal noch schwierig, weil dann muss die halt verstehen, was ich von dir will. Ich sag, guck mal, Du kannst Ganz selten wird man seine Siri fragen können, meine Kaffeemaschine ist kaputt, was ist da los? Das wird die lange nicht beantworten können, weil da muss eben spezielles Know how für die Kaffeemaschine drin sein. Der Kaffeemaschinenhersteller könnte das sehr gut machen, wenn er da 'n Vorteil drin sehen würde. Mhm. Und und so musst Du halt jeweils, Du musst, ich mein, das ist im Grunde fast wie wie General AI gegenüber der AI, die's tatsächlich gibt für eine für eine für eine Domäne, ne. Du musst halt dieses System für eine spezielle Domäne bauen und da kannst Du dann ganz konkrete Use Cases sehr gut sehr gut bearbeiten, aber Du kannst nicht son, zumindest Stand heute nicht, aber ich ich seh da auch den noch keinen Trend wirklich hin. Die die Leute von den ganz großen Modellen behaupten, dass es den Trend gibt, dass ich eben beliebige Sachen formulieren kann und die verstehen's dann und machen's dann.
Speaker2: Dann würd ich gerne mal folgende Szenadomit durchgehen oder folgenden Anwendungsfall. Was mich wundert, ist, dass es noch nicht deutlich, na ja, es gibt's zwar, aber warum es nicht deutlich verbreiteter ist, über Sprache E-Mails zu verfassen. Ich in meinem Umkreis kenne niemanden, der E-Mails Echt? Nicht nach wie vor tippt, ja? Und auch ich selbst, ich hab das mal ausprobiert, verschiedene Hersteller, die Lösungen mal durchprobieren. Ja. Und für für mich war son Punkt, die Genauigkeit, die zwar gut war, Ja. Aber nicht gut genug. Ja. Weil es mich dann sozusagen, wenn ein Fehler passiert, ich den ganzen Geschwindigkeitsvorteil verliere, den ich vorher hatte beim Einsprechen. Interessant. Und jetzt jetzt dachte ich grade, liegt es vielleicht daran, dass eben die semantische Ebene fehlt, ja, dass das System nicht weiß, worum worüber ich gerade spreche und dadurch bei 1 kleinen Ungenauigkeit, bei der Aussprache nicht richtig interpolieren kann, was ich tatsächlich jetzt gerade mein kann.
Speaker3: Ganz so ist es natürlich gar nicht, ne. Das System, das versteht schon so eine, die Semantik wär übertrieben, aber es versteht son ganzes Stück den Kontext. So funktionieren diese Sprachmodelle nämlich. Dass die sich sehr, sehr, sehr gut den Kontext angucken. Das merkst Du dann, wenn Du zum Beispiel mit Siri was diktierst, ich weiß nicht, ob dir das schon aufgefallen ist, Du diktierst und wenn Du dann ganz am Ende vom vom Satz bist, dann ändert da ganz vorne noch mal was. Ja, ja, stimmt. Stimmt, richtig, ja, das Ne, das ist son Mechanismus, der da passiert. Also vielleicht ganz lustig, ich diktier zum Beispiel wahnsinnig viele E-Mails, also eigentlich fast alle, die E-Mails, die ich schreibe. Aber ich hab genau auch die dieses dieses Finding, was Du was Du genannt hast, da sind Fehler drin. Wobei für mich ist es trotzdem noch so viel schneller, die paar Worte, die er falsch erkannt hat, dann zu korrigieren. Aber ich kann natürlich nachvollziehen, dass Leute dann sagen, nee, das ist mir zu blöd. Entweder kannst Du es ganz oder gar nicht. Und dass es nicht genügend gut kennen, das liegt, glaube ich, also dass es zu wenig kann, liegt tatsächlich dadran, dass es zu wenig speziell trainierte Domänen dafür gibt. Also wenn Du zum Beispiel an Rechtsanwälte denkst, die diktieren, die machen das fast fehlerfrei. Weil's da Systeme gibt, die über Jahre die dieses diesen juristischen Fachwortschatz und Jurist und die Art und Weise, wie juristische Texte formuliert sind, gelernt haben zu können, machen wir nicht, dass die perfekt gut sind. Das heißt, je genauer Du dich eine Domäne kümmerst. Also allgemein ist das eben wahnsinnig schwer. Weißt Du, wenn Du nur eine E-Mail schreibst, in der kann ja irgendwas stehen. Da ist es viel, viel schwerer, als wenn Du son bisschen die Domäne spezialisierst. Absolut. Und je spezieller es wird, desto besser wird's.
Speaker2: Neben der Spezialisierung 1 Use Cases gibt's weitere Punkte im Sinne von Red Flags, mit denen Du auf potenzielle Projekte draufguckst. Gab's vielleicht auch mal den Fall, dass Du dann die Entscheidung getroffen hast, okay, das Projekt könnten wir jetzt vielleicht machen, aber wir lassen die Finger davon, weil Du schon gesehen hast, es gibt irgendwie 1, 2, 3 Punkte, die sind einfach gefährlich oder machen das Projekt
Speaker3: zu 'nem großen Risiko letztlich? Also wir hatten's noch nicht, dass wir's tatsächlich dann abgelehnt haben, weil wir das mit den Interessenten diskutiert haben und dann da gemeinsam zu Erkenntnissen gekommen sind, die in die Richtung gegangen sind. Aber das kann natürlich immer in wenn's Richtung Mitbestimmung geht oder wenn's Richtung persönliche Daten geht, dann kannst Du und wenn Du siehst, dass das problematisch werden kann in deinem Use Case, dann musst Du eben genau überlegen, kann ich das handeln? Oder mein Kunde, also ich ich bin ja noch in der komfortablen Situation, dass ich's gar nicht handeln muss, ne. Mein Kunde muss es handeln, aber würde ja keinen Sinn machen, 'n System umzusetzen, was er da nicht nutzen kann aus aus diesen Gründen und deswegen ist das sind das zum Beispiel 2 Fahnen, die man sich genau anschauen muss, Datenschutzmitbestimmung, was darf ich da, was kann ich da? Mhm. Und natürlich sind die Weil es Kriege ich Daten, ne? Ich sag mal, im in der Sprache kriege ich die Daten recht gut. Da ist da ist das nicht so das riesengroße Problem, aber in ganz vielen anderen ML Bereichen ist das eben 1 der Kernprobleme, kriege ich kriege ich genügend gute Daten.
Speaker2: Ich find das total spannend, wie Du das darstellst, weil es kein, also das 1., das mit den Mitbestimmungsrechten, kein inhärend technisches Problem erst mal Gar nicht. Sondern sich auf 'ner komplett anderen Ebene abspielt. Mit Blick auf die die Teams, die bei euch arbeiten, ist dem in der Teamstruktur und Zusammensetzung dabei vielleicht auch Rechnung getragen? Habt ihr, wenn Du das vergleichst mit Teams, die sich mit Use Cases, dort ist es vorhin auch schon erwähnt, Predictive Maintenance Use Cases vielleicht beschäftigen. Mhm. Sind eure Teams deswegen anders aufgebaut?
Speaker3: Nee, eigentlich nicht. Das ist eigentlich was, was man in also im aus meiner Sicht zumindest in möglichst frühen Phasen mit dem Kunden besprechen sollte. Und da haben die Leute natürlich alle, ich sag mal, wie soll ich das sagen, eine gewisse Awareness dafür, dass man eben sagt, über so was muss man sich Gedanken machen. Mhm. Ich mein, das ist auch Thema Bias in Daten, Das ist so was, aber das ist eigentlich was, was die m l Leute, behaupte ich mal zumindest, die Guten im Blut haben ein bisschen, dass man sich dadrüber Gedanken macht. Und das sind eben Themen, die dann eine wichtige Rolle spielen. Aber eigentlich ist es das Wichtigste, mit dem möglichst früh mit dem Kunden oder mit dem Interessenten eben zu überlegen, lauf ich da in 'n Problem rein, in welcher Art auch immer, also was was die Daten betrifft, nach kriege ich's überhaupt, ist die Qualität gut? Habe ich eben aufgrund der Historie schon automatischen 'n Bias gegeben, der mich in in der Zukunft stört. Mhm. Ich ich muss ihn kennen zumindest, ne. Im Extremfall kann ich kann ich auch sagen, es ist mir wurscht, aber dann muss man's wissen und und bewusst bewusst akzeptieren.
Speaker2: Verstehe. Ja, kann ich sehr gut nachvollziehen. Michael, lass uns eine abschließende Frage klären oder lass uns da eintauchen. Eine Frage, die ich sehr, sehr spannend finde, nämlich gibt's einen Rat, den Du deinem zwanzigjährigen Ich geben würdest? Hättest Du die Chance dazu?
Speaker3: Schwierige Frage. Also eigentlich also eigentlich würde ich weitgehend ihm raten, das so ähnlich zu machen, wie er's gemacht hat. Also Sachen ausprobieren, damals gab's den Begriff noch nicht, aber aber bisschen agil an Sachen heranzugehen, Sachen ausprobieren, sich dann und dann zu zu im Apoststeriorik zu beleuchten, ist es ist es richtig gewesen und dann eben gegebenenfalls zu reagieren und und und was zu ändern auf der anderen. Ich mein, es gibt son paar paar paar paar No Brainer. Ich mein, immer bring dir eine gute gute Grundlage bei. Studium ist da, glaube ich, nach wie vor nach wie vor eine gute Grundlage. Schau, dass Du Praxis in der Industrie sammelst. Ja, das das denke ich mir manchmal bei bei bei Gründerkollegen, dass mein, das ist toll oft was, was Gründerkollegen für tolle Sachen machen und mit was für Melan sie das machen, aber manchmal fehlt, ist mein Eindruck vielleicht zumindest, fehlt son bisschen Praxis in der Industrie. Aber ich mein, Du kannst natürlich, wenn Du eine tolle Idee hast, auch nicht beliebig lang warten. Aber das ist was, was mir zumindest viel geholfen hat in der Industrie, einfach viel gesehen haben, viel schon viel gesehen zu haben. Und natürlich Führungserfahrung sammeln, das ist was, was Du, wenn Du eine Firma gründete, auch ganz wichtig ist. Aber das sind eigentlich alles son bisschen No Brainer.
Speaker1: Mhm.
Speaker2: Mhm. Kann ich kann ich nachvollziehen. Also erstens aus eigener Erfahrung, sowohl Maxim, mein Co Founder, als auch ich, wir sind ja direkt ausm Max Planck Institut raus in die Grünen eingestiegen. Und wir haben viel auch Arbeit darin investiert, auch noch mal Konzernstrukturen zu verstehen beispielsweise. Wie ist das jetzt genau bei bei Audi oder BMW? Ja? Wie wie ticken wir's denn Ja, das ist viel frustrierender, wenn man's nicht schon mal gesehen hat. Ja, genau. Wir haben die ja nie von innen gesehen gehabt. Und hätten wir das vorher schon mal am eigenen Leib einfach mit erfahren, dann dann hätten wir da wahrscheinlich die eine oder andere Abkürzung auch nehmen können. Das das kann ich absolut unterschreiben. Und ich hatte tatsächlich auch mal gelesen, dass ein, ich ich weiß die genaue Zahl nicht mehr, aber 'n signifikanter Teil der wirklich erfolgreichen Gründungen kam immer aus dem Arbeitsalltag des aktuellen Jobs des Gründers raus oder der Gründerin. Sprich, jemand hat an einem Der hab das 'n Problem in der man füttert. Genau, genau. Hatte gesehen, okay, ich selbst hab hier 'n Problem und daraus entstanden ist dann diese, okay, ich kann ein Geschäftsmodell draus bauen, ja? Was natürlich auch dann entsprechend hilft, von vornherein einen guten Product Market fit hinzukriegen. Von daher finde ich sehr, sehr spannend diesen Tipp und kann ich, wie gesagt, persönlich nur unterschreiben. Michael, vielen, vielen Dank. Ich fand das Gespräch super, super kurzweilig und hoch informativ. Danke, dass Du son transparenten Einblick gegeben hast darin, wie ihr bei HENWOON arbeitet, wie Du auch über die verschiedenen Stationen hinweg jetzt letztlich da angekommen bist, wo Du heute bist in der Rolle. Ich danke dir sehr. Es hat sehr, sehr viel Spaß gemacht, mich mit dir zu unterhalten.
Speaker3: Mir auch. Vielen Dank.
Speaker2: Und in diesem Sinne wünsche ich allen Zuhörern viel Gelingen bei Projekten, sowohl mit Sprache als auch ohne Sprache. Ich persönlich werd definitiv noch mal ausprobieren, die eine oder andere E-Mail mit einem System einzusprechen anstatt zu tippen. Das wird meine Handgelenke definitiv schon. Und ja, macht's es gut. Michael noch ein, herzlichen Dank an
Speaker3: dich. Servus.
Speaker2: Macht's es gut. An alle Zuhörer Masterity Complexity.
Speaker0: Auf dem Laufenden zu bleiben, folgt uns auf Facebook, Instagram, Twitter und LinkedIn. Wenn ihr uns unterstützen wollt, gebt uns eine 5 Sterne Bewertung auf Apple Podcasts, folgt uns auf Spotify und empfehlt uns weiter. Bis zum nächsten Mal bei The IRIUM Podcast.